Claude Sonnet 4.6 verbindet Programmierung, das Verständnis großer Kontexte, agentische Planung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Aufgabenschritte nacheinander zu bearbeiten. Das ist bei der Problemsuche in großen Projekten, der Analyse langer Dokumente und der Vorbereitung von Berichtsinhalten hilfreich.
Das Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien in einer Anfrage analysieren. Eine Aufgabe kann Faktenextraktion, darauf aufbauendes Reasoning und die Erstellung eines Ergebnisses umfassen, das mehrere Teile verbindet. Zu den beschriebenen Einsatzbereichen gehören auch Finanzanalysen und die Erstellung von Oberflächencode mit Augenmerk auf Komposition und Gestaltung.
Sonnet 4.6 versteht Text und Bilder; das eigene Ergebnis ist Text. Anthropic beschreibt Computerszenarien, in denen das Modell sich anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und komplexe Tabellen oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung sind Werkzeuge der Anwendung nötig, die den Bildschirm übermitteln und Aktionen ausführen.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 1568 Pixel, entsprechend 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Ebenso können Dokumente, Tabellen und Präsentationen Gegenstand von Analysen oder der Inhaltsvorbereitung sein; die Erstellung einer fertigen Datei erfordert jedoch eine geeignete Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen; dadurch wird das Modell nicht zu einem Bildgenerator.
Diese Version unterstützt adaptives Reasoning und manuelles extended thinking. Der manuelle Modus ist als auslaufend gekennzeichnet; der adaptive Modus lässt das Modell entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die effort-Stufen sind low, medium, high und max, die Standardstufe ist high. Laut Anthropic hilft die Aufwandswahl, Detailgrad und Latenz auf die Art der Aufgabe abzustimmen.
Die aktuelle Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Für längere Arbeit beschreibt der Hersteller auch die experimentelle Komprimierung alten Kontexts in eine Zusammenfassung. Diese Funktion erfordert Anwendungsunterstützung und hebt die Grenzen des Modellfensters nicht auf.
Die verlässliche Wissensgrenze liegt bei August 2025. Für spätere Informationen sind Aufgabenmaterialien oder eine verfügbare Suche nötig. Angebundene Werkzeuge können bei Informationssuche, Codeausführung und der Verarbeitung gefundener Inhalte helfen; ihre Verfügbarkeit und erlaubten Aktionen bestimmt die Anwendung.
Sonnet 4.6 wurde darauf trainiert, versteckten bösartigen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Bewertung von Aktionsergebnissen bleiben Teil zuverlässiger Modellarbeit.
", "aboutText": "### Code, Dokumente und Aktionsplan\n\nClaude Sonnet 4.6 verbindet Programmierung, das Verständnis großer Kontexte, agentische Planung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Aufgabenschritte nacheinander zu bearbeiten. Das ist bei der Problemsuche in großen Projekten, der Analyse langer Dokumente und der Vorbereitung von Berichtsinhalten hilfreich.\n\nDas Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien in einer Anfrage analysieren. Eine Aufgabe kann Faktenextraktion, darauf aufbauendes Reasoning und die Erstellung eines Ergebnisses umfassen, das mehrere Teile verbindet. Zu den beschriebenen Einsatzbereichen gehören auch Finanzanalysen und die Erstellung von Oberflächencode mit Augenmerk auf Komposition und Gestaltung.\n\n### Aktionen in einer visuellen Umgebung\n\nSonnet 4.6 versteht **Text und Bilder**; das eigene Ergebnis ist **Text**. Anthropic beschreibt Computerszenarien, in denen das Modell sich anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und komplexe Tabellen oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung sind Werkzeuge der Anwendung nötig, die den Bildschirm übermitteln und Aktionen ausführen.\n\nFormate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 1568 Pixel, entsprechend 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.\n\nEbenso können Dokumente, Tabellen und Präsentationen Gegenstand von Analysen oder der Inhaltsvorbereitung sein; die Erstellung einer fertigen Datei erfordert jedoch eine geeignete Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen; dadurch wird das Modell nicht zu einem Bildgenerator.\n\n### Wie die Analyse gesteuert wird\n\nDiese Version unterstützt adaptives Reasoning und manuelles extended thinking. Der manuelle Modus ist als auslaufend gekennzeichnet; der adaptive Modus lässt das Modell entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die `effort`-Stufen sind `low`, `medium`, `high` und `max`, die Standardstufe ist `high`. Laut Anthropic hilft die Aufwandswahl, Detailgrad und Latenz auf die Art der Aufgabe abzustimmen.\n\nDie aktuelle Spezifikation nennt **1 Million Tokens Kontext** und bis zu **128 Tausend Tokens Antwort im gewöhnlichen Modus**. Für längere Arbeit beschreibt der Hersteller auch die experimentelle Komprimierung alten Kontexts in eine Zusammenfassung. Diese Funktion erfordert Anwendungsunterstützung und hebt die Grenzen des Modellfensters nicht auf.\n\n### Was bei der Arbeit zu beachten ist\n\nDie verlässliche Wissensgrenze liegt bei **August 2025**. Für spätere Informationen sind Aufgabenmaterialien oder eine verfügbare Suche nötig. Angebundene Werkzeuge können bei Informationssuche, Codeausführung und der Verarbeitung gefundener Inhalte helfen; ihre Verfügbarkeit und erlaubten Aktionen bestimmt die Anwendung.\n\nSonnet 4.6 wurde darauf trainiert, versteckten bösartigen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Bewertung von Aktionsergebnissen bleiben Teil zuverlässiger Modellarbeit.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "51f525806d07ba2d08c8e7b20da365756645d57542f564a1358f2f0dd5645d77", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "claude-sonnet-4-6-thinkingClaude Sonnet 4.6 hilft bei Entwicklung, dem Verständnis langer Dokumente, Planung und Aufgaben mit visuellen Daten. Unterstützt adaptives Reasoning und mehrstufige Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 4.6 verbindet Programmierung, das Verständnis großer Kontexte, agentische Planung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Aufgabenschritte nacheinander zu bearbeiten. Das ist bei der Problemsuche in großen Projekten, der Analyse langer Dokumente und der Vorbereitung von Berichtsinhalten hilfreich.
Das Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien in einer Anfrage analysieren. Eine Aufgabe kann Faktenextraktion, darauf aufbauendes Reasoning und die Erstellung eines Ergebnisses umfassen, das mehrere Teile verbindet. Zu den beschriebenen Einsatzbereichen gehören auch Finanzanalysen und die Erstellung von Oberflächencode mit Augenmerk auf Komposition und Gestaltung.
Sonnet 4.6 versteht Text und Bilder; das eigene Ergebnis ist Text. Anthropic beschreibt Computerszenarien, in denen das Modell sich anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und komplexe Tabellen oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung sind Werkzeuge der Anwendung nötig, die den Bildschirm übermitteln und Aktionen ausführen.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 1568 Pixel, entsprechend 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Ebenso können Dokumente, Tabellen und Präsentationen Gegenstand von Analysen oder der Inhaltsvorbereitung sein; die Erstellung einer fertigen Datei erfordert jedoch eine geeignete Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen; dadurch wird das Modell nicht zu einem Bildgenerator.
Diese Version unterstützt adaptives Reasoning und manuelles extended thinking. Der manuelle Modus ist als auslaufend gekennzeichnet; der adaptive Modus lässt das Modell entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die effort-Stufen sind low, medium, high und max, die Standardstufe ist high. Laut Anthropic hilft die Aufwandswahl, Detailgrad und Latenz auf die Art der Aufgabe abzustimmen.
Die aktuelle Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Für längere Arbeit beschreibt der Hersteller auch die experimentelle Komprimierung alten Kontexts in eine Zusammenfassung. Diese Funktion erfordert Anwendungsunterstützung und hebt die Grenzen des Modellfensters nicht auf.
Die verlässliche Wissensgrenze liegt bei August 2025. Für spätere Informationen sind Aufgabenmaterialien oder eine verfügbare Suche nötig. Angebundene Werkzeuge können bei Informationssuche, Codeausführung und der Verarbeitung gefundener Inhalte helfen; ihre Verfügbarkeit und erlaubten Aktionen bestimmt die Anwendung.
Sonnet 4.6 wurde darauf trainiert, versteckten bösartigen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Bewertung von Aktionsergebnissen bleiben Teil zuverlässiger Modellarbeit.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-sonnet-4-6-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.006 / 1K Token Ausgabe · Ausgabetoken $0.03 / 1K Token Eingabe · Cache-Lesen $0.0006 / 1K Token Eingabe · Cache-Schreiben $0.0075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-sonnet-4-6-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-sonnet-4-6-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra claude-sonnet-4-6-thinking
/chat/completions